医学统计学 方差分析.ppt

对数变换常用于： ① 使服从对数正态分布的数据正态化。如环境中某些污染物的分布，人体中某些微量元素的分布等，可用对数变换改善其正态性。 ② 使数据达到方差齐性，特别是各样本的标准差与均数成比例或变异系数CV接近于一个常数时。 2. 平方根变换 (square root transformation)： 即将原始数据x的平方根 作为新的分析数据。 平方根变换常用于： ① 使服从Poisson分布的计数资料或轻度偏态的资料正态化，例如放射性物质在单位时间内的放射次数，某些发病率较低的疾病在时间或地域上的发病例数分布等，可用平方根变换使其正态化。 ② 当各样本的方差与均数呈正相关时，可使资料达到方差齐性。 3. 倒数变换(reciprocal transformation)： 即将原始数据x的倒数作为新的分析数据： x’＝1／x 倒数变换常用于数据两端波动较大的资料，可使极端值的影响减小。 4. 平方根反正弦变换(arcsine transformation)： 即将原始数据x的平方根反正弦值作为新的分析数据。变换公式有两种： (1) 用角度表示：x＝sin-1 (2) 用弧度表示： 平方根反正弦变换常用于服从二项分布的率或百分比的资料，如流行病学研究中疾病的发病率、患病率，实验研究中白细胞分类计数(%)、淋巴细胞转变率(%)。 一般认为，当总体率较小(如＜30％)或较大(如＞70％)时，偏离正态较为明显，通过样本率的平方根反正弦变换，可使资料接近正态分布，达到方差齐性的要求。 表9.17 例9.6资料方差分析表 如果交互作用无统计学意义，可直接采用表9.17对A、B两因素的假设检验结果。 重复测量资料的方差分析 重复测量(repeated measure)是指对同一观察对象的同一观察指标在不同时间点上进行多次测量，用于分析该观察指标在不同时间上的变化规律。 这类资料在临床和流行病学研究中比较常见，例如，药效研究中常常要观察给药后不同时间点的血药浓度。 其主要特点是同一受试对象在不同时点的观察值之间彼此不独立，往往存在某种程度上的相关性。 因此，这类资料的方差分析具有一定的特殊性。 例9.7 临床上为指导脑梗患者的治疗和预后，某研究人员对不同类型脑梗患者酸性磷脂(AP)在不同时间点的变化，进行了如下观察：随机选取三种不同类型的脑梗(TIA、脑血栓形成、腔隙性脑梗塞)患者各8例，分别于脑梗发生的第24小时、48小时、72小时、7天分别采血，测量血中AP的值，结果见表9.18。 表9.18 不同类型脑梗患者AP的值(μmol/L) 表9.19 重复测量设计方差分析的计算表 2. 计算检验统计量 表9.20 三组患者在不同时间点上AP值比较的方差分析表 3. 确定P值，作出统计推断 根据表9.20的P值，时间与处理因素的交互项有统计学意义，可认为三种不同类型的脑梗患者的AP值在不同时间点上的变化是不同的。若想进一步了解三种不同类型的脑梗患者和四个时间点之间的差别，可固定某一因素的水平分析另一因素的效应。 重复测量资料方差分析的前提条件 进行重复测量资料的方差分析，除需满足一般方差分析的条件外，还需特别满足协方差阵(covariance matrix)的球形性(sphericity/circularity)或复合对称性(compound symmetry)。 若球形对称性质不能满足，方差分析的结果会增大I型错误的概率。球对称性通常采用Mauchly检验(Mauchly’s test)来判断，由于Mauchly检验的统计量的表达式较复杂，计算繁琐，通常是运用统计软件完成。 如果一个协方差阵主对角线的元素都相等而其他元素均为零，则称这个协方差阵具有球性。 采用Mauchly球性检验，可以作出是否拒绝“H0：总体协方差阵具有球性”的结论。 表9.21 Mauchly检验和球对称系数 表9.22 自由度调整值 表9.23 三组患者在不同时间点上AP值比较的方差分析表(G-G校正) 方差分析对数据的基本假设是： ① 各次观察独立，即任何两个观察值之间均不相关； ② 每一水平下的观察值xij分别服从总体均数为 的正态分布； ③ 各总体的方差相等，即具有方差齐